Avalikest nimekirjadest kontrollitud andmestik: allikad, aadresside parandamine, korduste kontroll ja inimese ülevaatus.
Avalikud nimekirjad saab alla laadida. Keerulisem on teha neist andmestik, kus sama asutus ei esine mitu korda, aadressiväljad tähendavad igas allikas sama ja kahtlase kirje päritolu saab üles leida.
Pythonis ehitatud töövoog avastas ja laadis alla avalikke nimekirju, säilitas allikasalvestused ning luges CSV-, XLSX- ja JSON-vorminguid. Eri veerunimed seoti ühise struktuuriga, kirjed valideeriti ja kordusi kontrolliti enne kasutatavasse tabelisse jõudmist. Lisaks valmis ülevaatuse järjekord ning CSV- ja Markdown-väljundite koostamine. Väljundi koostamine ei tähenda kirjade automaatset saatmist.
Programm leiab avalikke allikaid ning kogub andmeid portaalidest, API-dest ja failidest. Allikasalvestus säilitab kirje päritolu, et hiljem saaks tulemust algmaterjaliga võrrelda.
Struktureeritud lugejad eraldavad väljad. Eri allikate veerunimed vastendatakse ühisele struktuurile.
Aadressiosad eraldatakse, väärtusi kontrollitakse ja korduvaid kirjeid otsitakse. Sama veerunimi ei taga sama sisu.
Kahtlased kirjed liiguvad ülevaatusse. AI saab aidata ülevaatusega, kuid parandused ja kvaliteedikontroll peavad eelnema andmete kasutusse võtmisele.
Kontrollitud struktuurist saab koostada kataloogi või valitud väljadega ekspordi. Avalik allikas ei muuda iga isikuandme edasist kasutust automaatselt sobivaks.
Ühes allikas jõudis linna asemele osariik koos postiindeksiga, teises büroo number. Parserit parandati, lisati regressioonitestid ja mõjutatud andmed imporditi uuesti. Ainult koodi parandamisest ei piisanud.
Topelt käivitatud import tekitas kordusi. Andmed ehitati uuesti üles. Alles jäi protseduuriline piirang: korduste kontroll sõltus juba koostatud tabelist, mistõttu tuli enne uut importi see taastada.
Elukohana kasutatavate asutuste tänavaaadressid jäeti teatud tüübimarkerite järgi väljundist välja. Uus või ootamatu tüübikirjeldus võib kontrollist mööda minna; see ei ole garantii, et kõik tundlikud väljad alati tuvastatakse.
Mina määrasin andmete kasutuseesmärgi, sihtrühma ja eelarvepiirid. Minu juhitud AI-agendid aitasid allikaid uurida, lugejaid kirjutada ning teste ja parandusi teha. Ülevaatuse leid pidi jõudma parandusse enne andmete edasist kasutamist.
Andmebaas ja failid olid kohalikud. Avalikke allikaid küsiti väljast ning AI-ga ülevaatus kasutas välist mudeliteenust. Avalikud andmed ja kohalik hoidmine ei võrdu automaatselt piiranguteta kasutuse ega täielikult kohaliku töötlusega.
Kirjeldus põhineb projekti lähtekoodi ja kohalike kontrollide ülevaatel 11.09.2026, mitte sõltumatul tootmiskeskkonna auditil. Näited on selgitavad, mitte kasutajaandmed.
Räägime, kuidas ehitada AI abil nii, et kontroll tulemuse üle jääks sinule.